机动车尾气CO检测中神经网络多环境因子在线修正算法研究

分析了温度、湿度、压力对预处理后尾气CO浓度测量的影响, 提出一种机动车尾气CO检测神经网络多环境因子在线修正算法, 首先采用尾气样本数据离线训练得到BP神经网络模型, 然后将实时测得的样品气温度、湿度、压力及小数吸收值代入到模型进行在线修正, 得到修正后CO浓度, 解决了NDIR传感器因环境变化所带来的测量误差影响.通过标样实验、模拟实验, 并和SEMTECH-EcoStar对比检测结果, 在样品气温度30～50℃、相对湿度25～40%、压力95～115kPa、CO浓度0～0.2%范围内的最大相对偏差为4.8%.车载外场实验, 得到修正因子在0.8～1之间, 验证了方法的必要性和可靠性, 为机动车尾气的CO浓度的准确检测提供有效技术支持